НачатьНачать бесплатно

Рабочий процесс text-to-query на практике

Это упражнение является частью курса

Агенты Text-to-Query с MongoDB и LangGraph

Посмотреть курс

Инструкции к упражнению

  • Инициализируйте языковую модель OpenAI с подходящим значением temperature, используя класс ChatOpenAI из LangChain.
  • Преобразуйте предложенный запрос на естественном языке в MongoDB-запрос, выполните его и получите результаты в виде списка Python.
  • Создайте шаблон промпта для языковой модели, состоящий из системного промпта и заполнителя для сообщений, с помощью метода .from_messages().
  • Объедините промпт с языковой моделью с помощью оператора | и вызовите цепочку, передав результаты запроса (docs) и пользовательский запрос (user_query).

Примечание: если вы работаете в DataLab в режиме ограниченного доступа, это упражнение пока недоступно. Мы активно работаем над тем, чтобы добавить его поддержку в будущем.

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение